DataRobot ir ASV programmatūras uzņēmums, kura platforma palīdz organizācijām izveidot, darbināt un uzraudzīt MI lietojumprogrammas. Uzņēmums kļuva pazīstams ar automatizēto mašīnmācīšanos (AutoML), kas automātiski apmāca un salīdzina daudzus modeļu variantus — piemēram, lai prognozētu klientu aiziešanu vai pieprasījumu. Mūsdienās uzņēmums vērš uzmanību arī uz MI aģentu darbināšanu un pārvaldību (stāvoklis 2026. gada oktobrī).
Mašīnmācīšanās ir mākslīgā intelekta nozare, kurā datori likumsakarības atvasina no datiem, nevis katrs noteikums tiek skaidri ieprogrammēts. Atkarībā no uzdevuma modeļi mācās no marķētiem piemēriem (ar uzraudzību), no nemarķētiem datiem (bez uzraudzības) vai ar atlīdzībām (pastiprinātā mācīšanās). Lietojumi ir no surogātpasta filtriem un pieprasījuma prognozēm līdz produktu ieteikumiem. Kvalitāte lielā mērā ir atkarīga no apmācības datu daudzuma un kvalitātes.
Mašīnmācīšanās konveijers ir noteikta soļu secība, kas neapstrādātus datus pārvērš ieviešamā modelī: datu vākšana un tīrīšana, pazīmju sagatavošana, apmācība, novērtēšana, ieviešana un uzraudzība. Šo soļu automatizēšana padara rezultātus atkārtojamus un ļauj ar nelielu piepūli apstrādāt jaunus datus. Piemēram, mazumtirgotājs katru nedēļu var pārapmācīt un pārbaudīt savu pārdošanas prognozēšanas modeli ar jaunākajiem skaitļiem.
Amazon SageMaker ir Amazon Web Services (AWS) mākoņpakalpojums mašīnmācīšanās modeļu izveidei, apmācībai un ieviešanai. 2024. gada beigās sākotnējais pakalpojums tika pārdēvēts par „Amazon SageMaker AI”; kopš tā laika „Amazon SageMaker” apzīmē plašāku datu, analītikas un MI platformu ar saskarni SageMaker Unified Studio (stāvoklis uz 2026. gada oktobri). To galvenokārt izmanto datu zinātnes komandas, kas darbina modeļus AWS infrastruktūrā.
MLflow ir atvērtā pirmkoda platforma visa mašīnmācīšanās modeļu dzīves cikla pārvaldībai, ko 2018. gadā sākotnēji ieviesa Databricks. Tā reģistrē eksperimentus ar to parametriem un metrikām, pārvalda modeļu versijas reģistrā un vienkāršo izvietošanu. Jaunākās versijas atbalsta arī uz valodas modeļiem balstītu lietojumprogrammu izsekošanu un novērtēšanu. Tādējādi komandas var izsekot, kurš modelis ir izveidots ar kādiem datiem un iestatījumiem.
